BP神经网络在公路隧道围岩分类中的应用.pdfVIP

一 ： 学术前 BP神经网络在公路隧道围岩分类中的应用 薛 红 袁材栋 薛建球 李西宁 胡贵寿 (青海省环境地质勘查局，西宁 810007) 摘 要：BP神经网络在解决非线性、不确定性、大信息量的问题上的优越性和适用性，结合Matlab工具箱函数实现公路隧道围 岩分类。通过工程实例验证神经网络在公路隧道围岩分类中的应用非常理想可行性，而且输入参数简单易获得。 关键词：人工神经网络 BP算法 隧道围岩 Maflab工具箱函数 实现 围岩类别的确定，不仅为地下岩体工程支护与施 输入层 隐含层 输出层 工管理提供科学依据，而且是地下工程建设投资的重 要依据，是岩体工程稳定性和工程开挖设计的必要基 础与影响因素。目前，国内外提出的围岩分类方法已有 近百种，根据围岩分类的发展历史归纳：①单因素单指 标的岩体分级；②多因素综合指标的岩体分级；③多因 素定性、定量指标结合的岩体分级；④多因素复合指 标——岩体质量系数的岩体分级 ；⑤多因素多指标的 模糊数学分级。综上可知，围岩分类方法先后经历了从 定性到定量、从单一指标到复合型指标的发展。 图1 三层BP神经网络示意图 神经网络是一种具有 自组织、自学习能力的网络 系统，在神经网络的三大研究方向中，将神经网络作为 Wij(权重)以点积形式构成 自己的输入 LI，即 一 种解决问题的手段和方法是其中之一。而这类问题 Lf= (2) 用传统方法无法解决或在具体处理技术上存在困难。 故对围岩类别这类非线性的综合判定问题，应用神经 再经神经元作用函数f(x)进行转换 ，便得到神经 网络技术是一条新的途径。 元的输出： 1 人工神经网络原理及BP算法 Oz=，f) (3) 1．1 人工神经网络原理 将最终输出与期望输出作比较，据其误差调整网 人工神经网络又称神经元网络、神经网络，它是人 络神经元之间的连接权重Wij，直至输出达到要求精度 们通过模拟生物神经系统，在计算机上实现的一种复 为止，此即为 训“练学习”过程。 杂网络，是现代科技发展的新技术，它具有并行运行、 1．2 算法改进 容错、自适宜、自学习及集体运算等特点。神经元是人 由于采用固定的学习速率具有很大的弊端，可以 工神经元网络的基本处理单元，网络的信息处理由神 通过动态调整学习速度和动量项来加以改善，应用现 经元之间的相互作用来完成。 有的研究成果，在权值和阀值的调整式中加入动量项 ， 神经网络类型很多，BP(ErrorBackPropagation，简 以增强收敛过程的稳定性。并在每次循环中，根据均方 称BP)算法是一种采用误差反传算法的前馈型神经网 差的走势，动态调整学习速度。具体调整如下式： 络。输入和输出关系可以看成是一种映射关系，网络实 当 △E0时，=1．1× ；当 △E0时，=XI／1．1 现是复杂的非线性映射。BP算法采用3层网络结构， 式中， 为学习速度，E为均方差。 由输入层、隐含层和输出层组成(图 1)。 计算各样本的权值修正量 △w晒f。 其神经元作用函数为Sigmoid函数，即